2018/11/29

數(shù)據(jù)科學

機器視覺講座

雷軍老師

人機圍棋大戰(zhàn)

學習目標：1三次浪潮

2深度學習的發(fā)展歷史

3與傳統(tǒng)機器學習相比的優(yōu)勢

4卷積和遞歸神經(jīng)網(wǎng)絡(luò)

5框架

6計算機視覺的應(yīng)用

1

1956年-1974年

深度學習的雛形感知器

1980-1987

專家系統(tǒng)

2010

爆發(fā)包括：算力、數(shù)據(jù)、算法

（深度學習能夠真正利用大數(shù)據(jù)

2

語音識別，自然語言處理，計算機視覺，圖像與視頻分析，多媒體等應(yīng)用

受限

brain

AlexNet

cs229

cs231n

SIFT特征

戰(zhàn)略決策

3

深度學習deep learning

深度學習包括了神經(jīng)網(wǎng)絡(luò)啊

一，它是從大數(shù)據(jù)中自動學習特征，而不是手工設(shè)計的特征

二，很好的利用大數(shù)據(jù)

三，層次很深

4

卷積神經(jīng)網(wǎng)絡(luò)CNN

卷積操作

池化操作

ReLU √

sigmoid和tanh會出現(xiàn)梯度消失

遞歸神經(jīng)網(wǎng)絡(luò)rnn

處理時序問題。

RNN具有特殊記憶模式

雙向RNN

后向傳播? ? 梯度消失，梯度爆炸LSTM

5

caffe

tensorflow

torch

caffe 1/2+PyTorch

CNTK(微軟 缺點Windows

選平臺的時候注意：是否 多卡（GPU

何凱明

總結(jié)：

以深度學習算法為代表的人工智能技術(shù)快速發(fā)展，但其相關(guān)算法目前并不完美，有待繼續(xù)加強理論性研究，也不斷有很多新的算法理論成果被提出，如膠囊網(wǎng)絡(luò)，生成對抗網(wǎng)絡(luò)，遷移學習等。

現(xiàn)在的方向：視頻檢測

（遷移學習：不同領(lǐng)域

生成對抗網(wǎng)絡(luò)